近期随著NVIDIA黄仁勋访台，将我国AI热潮提升至新高点，AI话题深入社会各个角落。观察这几年的AI演进，从AlphaGo大战韩国棋王、Open AI推出人工智慧聊天机器人程式ChatGPT及各式各样生成式AI与判别式AI问世，AI的发展是一把照亮新时代路径的熊熊火炬。

从网路迈入AI时代

在网路时代使用搜索引擎（如Google）进行资料检索时，每个使用人须先预设「检索关键字」、「过滤」关键字所检索的资料、「分析」资料及「汇整」资料；然而，在AI时代，使用人只要会「下达指令」给AI工具，AI即会自动执行「关键字设定」、「过滤」、「分析」及「汇整」资料等动作，大量减少人力的投入。

基于上述AI的特性，企业开始将AI应用于大规模的数据整理及分析，进而提出诸多应用。例如，我国金融业已将AI应用于消费者行为分析、智能客户服务、风险预警等，然而，企业内部导入AI应用，将面临何种管理议题？是否应遵循相关法令？更是每个企业主关注议题。

AI技术发展的核心

从LexisNexis PatentSight+之AI技术专利分析图，可以发现AI技术的核心即在于资讯分析（Information Computation），且该资讯分析的主要细部内容，更是耳熟能详的机器学习（Machine Learning）、类神经网路学习（Spiking Neural Network）、深度学习（Deep Learning）等技术领域。

现实生活中存在诸多因素，且每个因素间具有关联性，关联性被建立即可形成一个决策系统，当有不同的指令（Input）投进该系统时，经过系统计算，即会产出一个结果（Output），而这个结果就是系统认为最符合该指令所对应的答案。因为每个点会受其他点的影响，而产生不同的结果，这种结构彷佛人体的神经元，不同的神经元借由突触进行讯号传递，进而产出人的决策系统，此概念称为「类神经网路」，也是目前AI主要运作架构。

AI衍生的企业管理议题

AI系统的建置，需要了解不同因素（事件）间的关联性，进而依据不同指令，产生最符合该指令的结果。如果希望建置一个能回答所有问题的AI系统，此系统需要搜集各式各样资料，从资料中分析不同因素的关联性。因此，开发AI系统的企业，可能会面临下述管理议题：

企业保存的资料相当有限，如果要让AI系统的学习效果变得更好，需要投入更多资料，这时该如何取得更多资料？

现行网路发达且资料量多，企业可以撷取网路资料供AI系统学习，然而网路资料是否可以毫无顾忌任意抓取？提醒企业主，网路资料若有注记著作权保留声明（例如，未经授权，禁止转载），若无视该保留声明，迳自抓取资料供AI系统学习，只要资料著作权人能证明该企业有未经授权即抓取资料行为，著作权人得对该企业提起侵害著作权诉讼，此已有外国司法判决可参考。

企业可否使用外部AI工具执行对客户负有保密义务的工作项目？

AI系统需要资料喂养以进行学习，当使用者上传新资料至AI系统时，该新资料会成为AI系统学习的对象，且存放在AI系统的资料库中，故企业员工未经客户同意，即将客户机密新产品文件上传至AI系统，客户即可对该企业追诉违反保密义务的法律责任。对此，行政院通过「行政院及所属机关（构）使用生成式 AI 参考指引」，明确订定「业务承办人不得向生成式 AI 提供涉及公务应保密、个人及未经机关（构）同意公开之资讯，亦不得向生成式 AI 询问可能涉及机密业务或个人资料之问题」等规定。

使用AI工具产出的成果，企业是否可就该成果主张智慧财产权？

企业使用AI系统工具执行业务，在执行过程中，使用AI系统工具衍生诸多成果（例如，生成式图档），企业对该成果是否可主张任何智慧财产权（例如，主张该图档著作财产权归属于该企业）？对此，实务上存有不同见解，归属于操作AI系统工具之人所有、归属于AI系统工具（将AI系统视为虚拟之人），或者归属于开发AI系统工具的开发者所有。针对前述问题存有诸多讨论，在2023年美国法院曾做出判决，认为AI系统非属「人类」，著作权法只保护人类所为的创作，进而认定AI系统所生成的图档，不受著作权保护。我国法院目前尚无类似判决见解，司法实务对此议题的发展值得关注。

企业面临的AI法遵议题

AI系统建构在大量资料的分析处理（意即大数据），借由学习（如机械学习、类神经网路、深度学习）等方式建置AI系统运算机制，让AI系统得依使用者下达的指令，进行运算并产出AI系统认为最合适的结果，针对「AI运算」部分，该运算发生于远端的超级电脑，一般使用者不会清楚该运算机制如何分析、运算及产出。简言之，该AI运算对使用者而言，就是一部深不可测的黑盒子。假设一情境，如果AI系统的开发者于开发过程中，在AI运算程式中纳入个人偏见，导致运算结果受其偏见影响，例如，开发者为开发一银行用户信用评等系统，因开发者心中存有「黑人等于高风险」偏见，并将其引入该信用评等系统，最终导致任何黑人使用该系统，皆会得到「低」信用评等的运算结果。针对前述的假设情境，此行为是否贬抑人性尊严，有损「以人为本」普世价值观，进而需制定相关法令予以规范。

开发AI系统工具　已是不可逆的趋势

在全球积极发展AI技术过程中，皆会碰触到上述议题，然观诸美国、英国、日本等国的立法管制架构，可发现大都采用「先指令、后立法」方式，主要原因系现行AI技术处于发展阶段，若在发展初期即设立严格管制法令，让AI技术发展受限制，或扼杀AI技术创新的可能，且发展过程需创设何种新的法律议题，各国多处于观察阶段，故外国立法例方会采用「先指令、后立法」的立法架构。对此，我国亦采用相同的立法架构，行政部门已开始通过相关指引，例如「行政院及所属机关（构）使用生成式 AI 参考指引」、「金融业运用人工智慧（AI）指引」。除前述指引外，我国亦在积极研议「AI 基本法（草案）」，期将永续发展、人类自主、隐私保护、资安与安全、透明可解释、公平不歧视及问责等7大基本原则，明文纳入「AI基本法」规范 。

依据McKinsey Digital发布的「The economic potential of generative AI」统计资料显示，在2030年至2060年间，人类现行社会50%职业可能被AI所取代。面对AI时代，企业使用、开发AI系统工具，已是不可逆趋势，我国行政部门尚在规划AI相关指引及基本法草案，企业仍应积极关注相关动态发展，倘企业已投入相当资源进行AI系统工具开发，更应尽早掌握相关指引及草案对于AI系统开发者的要求，降低企业AI系统所面临的冲击。